Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESEA HISTRICA
En los siglos XVII y XVIII, grandes matemticos como Newton, Leibnitz, Bernouilli y, sobre todo Lagrange, que tanto haban contribuido al desarrollo del clculo infinitesimal se ocuparon de obtener mximos y mnimos infinitesimal, condicionados de determinadas funciones. Posteriormente el matemtico francs Jean BaptisteJoseph Fourier (1768 (1768-1830) 1830) fue el primero en intuir, intuir aunque de forma imprecisa, los mtodos de lo que actualmente llamamos programacin lineal y la potencialidad que de ellos se deriva.
RESEA HISTRICA
Si exceptuamos al matemtico Gaspar Monge (17461818), quien en 1776 se interes por problemas de este gnero. Debemos remontarnos al ao 1939 para encontrar nuevos estudios relacionados con los mtodos de la actual programacin lineal, en este ao, el matemtico ruso Leonodas Vitalyevich Kantarovitch publica una extensa monografa titulada Mtodos
RESEA HISTRICA
En 1941-1942 se formula por primera vez el problema de transporte, estudiado independientemente por Koopmans y K t Kantarovitch, it h razn por la l cual l se suele l conocer con el l nombre de problema de Koopmans-Kantarovitch. Tres aos ms tarde, G. Stigler plantea otro problema particular conocido con el nombre de rgimen alimenticio ptima. En estos aos posteriores a la Segunda Guerra Mundial, Mundial en Estados Unidos se asumi que la eficaz coordinacin de todas las as e energas e g as y recursos ecu sos de la a nacin ac e era au un p problema ob e a de tal complejidad, que su resolucin y simplificacin pasaba necesariamente por los modelos de optimizacin que resuelve l la l programacin i lineal. li l
RESEA HISTRICA
En 1947, G.B. Dantzig formula, en trminos matemticos muy precisos, el l enunciado d estndar d al l que cabe b reducir todo problema de programacin lineal. lineal Dantzig, Dantzig junto con una serie de investigadores del
United States Departament p of Air Force, formaran el grupo que dio en SCOOP (Scientific denominarse C Computation t ti of f Optimum O ti P Programs). )
RESEA HISTRICA
Una de las primeras aplicaciones de los estudios del grupo SCOOP fue el puente areo de Berln. Se continu con i fi id d de infinidad d aplicaciones li i en el l rea d la de l construccin, t i bancario y preferentemente militar. Hacia 1950 se constituyen, fundamentalmente en Estados Unidos distintos grupos de estudio para ir desarrollando Unidos, las diferentes ramificaciones de la programacin lineal. Cabe citar, , entre otros, , Rand Corporation, p , con Dantzig, g, Orchard-Hays, Ford, Fulkerson y Gale, el departamento de Matemticas de la Universidad de Princeton, con T k Tucker y Kuhn, K h as como la l Escuela E l Graduada G d d de d Administracin Industrial, dependiente del Carnegie Institute of Technology, con Charnes y Cooper. Cooper
RESEA HISTRICA
Respecto al mtodo del smplex, sealaremos que su estudio comenz en el ao 1951 y fue desarrollado por Dantzig en el United States Bureau of Standards SEAC COMPUTER, ayudndose de varios modelos de ordenador de la firma IBM. Los fundamentos matemticos de la programacin lineal se deben al matemtico norteamericano de origen hngaro Janos von Neuman (1903-1957), que en 1928 public su famoso trabajo Teora de Juegos. En 1947 conjetura la equivalencia de los problemas de programacin lineal y la teora de matrices desarrollada en sus trabajos. La influencia de este respetado matemtico, discpulo de David Hilbert en Gotinga y, desde 1930 catedrtico 1930, t d ti d la de l Universidad U i id d de d Princeton Pi t d Estados de E t d Unidos, hace que otros investigadores se interesaran paulatinamente p p por el desarrollo riguroso g de esta disciplina. p
RESEA HISTRICA
En 1858 se aplicaron los mtodos de la programacin lineal a un problema concreto: el clculo del plan
problema haba 10 puntos de partida y 230 de llegada. llegada El plan ptimo de transporte, calculado con el ordenador Strena en 10 das del mes de junio, junio rebaj un 11% los gastos respecto a los costos previstos.
ptimo de transporte de arena de construccin a las obras de edificacin de la ciudad de Mosc. En este
Se ha estimado, de una manera general, que si un pas subdesarrollado utilizase los mtodos de la programacin lineal, su producto interno bruto (PIB) aumentara entre un 10 y un 15% en tan slo un ao.
Qu es la Investigacin de Operaciones?
Como toda disciplina en desarrollo, la investigacin de operaciones ha ido evolucionando no slo en sus tcnicas y aplicaciones l sino en la l forma f como la l conceptualizan l l los diferentes autores, en la actualidad no existe solamente una definicin sino muchas, muchas algunas demasiado generales, otras demasiado engaosas, aqu seleccionamos una de las mas aceptadas p y representativas.
Qu es la Investigacin de Operaciones?
La definicin de la sociedad de investigacin de operaciones de la Gran Bretaa es la siguiente:
La investigacin de operaciones es el ataque de la ciencia moderna a los complejos problemas que surgen en la direccin y en la administracin de grandes sistemas de hombres, mquinas, materiales y dinero, en la industria, en los negocios, en la construccin, en el gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un modelo cientfico del sistema tal, que incorpore valoraciones de factores como el azar y el riesgo y mediante el cual se predigan y comparen l los resultados l d d decisiones, de d i i estrategias i o controles l alternativos. Su propsito es el de ayudar a la gerencia a determinar cientficamente sus polticas y acciones. acciones.
competencia t i analtica. lti T bi requiere, Tambin i entre t otros t atributos, el juicio (por ejemplo, cuando y como usar determinada tcnica) y la destreza tcnica en comunicaciones y en duracin organizacional.
1. Definicin 1 D fi i i del d l Problema P bl d inters de i t y toma t d datos de d t relevantes. l t 2. La construccin o formulacin del Modelo matemtico el cual represente el problema. 3. Desarrollo de un procedimiento basado en tcnicas para derivar en la solucin del Modelo matemtico. 4. La validacin o prueba del Modelo matemtico y si fuera necesario su mejoramiento. 5 La Implementacin de la solucin. 5. solucin De estas cinco fases, solo la de la solucin del modelo, es la que
esta mejor definida y es la mas fcil de implementar en un estudio de investigacin de operaciones, por lo que maneja especialmente modelos matemticos precisos, las dems fases es mas un arte que una teora.
El resultado de ello es identificar tres elementos principales del problema de decisin, que son: a) La descripcin de las alternativas de decisin. b) La determinacin del objetivo del estudio (lo cual viene a ser un aspecto importante en la l formulacin f l o definicin d f del problema). c) ) La L especificacin ifi i de d las l li it i limitaciones b j las bajo l cuales l funciona el sistema modelado.
Es el de traducir la definicin del problema a relaciones matemticas llamado tambin modelizacin. Se sabe o se di dice que los l modelos d l matemticos t ti o representaciones t i idealizadas son una parte integrada de la vida diaria, en la ciencia y los negocios, negocios como lo hacen patente los modelos del tomo y de estructura genticas, las ecuaciones matemticas q que describen las leyes y de fsica del movimiento o reacciones qumicas, las graficas, los organigramas y los sistemas contables en la industria, esos modelos d l son invaluables i l bl ya que extraen t l esencia la i de la materia de estudio, muestra sus interrelaciones y facilitan el anlisis. anlisis
Qu es lo que pasa despus de terminar la etapa de pruebas y desarrollar un modelo aceptable?; si el modelo
ha de h d usarse varias i veces, el l siguiente i i t paso es instalar i t l un sistema bien documentado para aplicar el modelo segn lo establecido por la administracin. administracin Este sistema incluir el modelo y el procedimiento de solucin (adems del anlisis p pos-ptimo) p ) y los p procedimientos p para su implementacin. Por que la implementacin se trata de efectuar instrucciones de operaciones a partir de la solucin l i y de d l los resultados lt d d l modelo, del d l estas t instrucciones de operaciones deben ser en forma comprensibles para las personas que administraran el sistema recomendado.
Clase de Incertidumbre
D D, P D, P D, P D D, P P D P D, P P D
Algunos ejemplos
Evaporacin Transporte de nubes Lluvia
Escurrimiento superficial Infiltracin Escurrimiento subterrneo Captacin C t i Conduccin Tratamiento Distribucin Recoleccin Emisin y mejoramiento
Cul C l es la l problemtica bl ti a la l que se enfrentan f t los l ingenieros i i por ejemplo para aprovechar los recursos hdricos?
Algunos ejemplos
Algunos ejemplos
Medio Ambiente Entrada S lid Salida
Deseables
Sistema
F.Obj
Indeseables Neutrales
Retroalimentacin
Algunos ejemplos
SUBSISTEMA VEGETACIN Especie Cantidad de M.O. Desarrollo del sistema radicular Grado de intercepcin SUBSISTEMA CLIMA Intensidad de las lluvias Cantidad de precipitaciones Tipo y distribucin de las lluvias Interaccin SUBSISTEMA SUELO
Sistema Infiltraci n
Porosidad Densidad Cap. C d de campo Grado de Marchitez SUBSISTEMA RELIEVE Orografa Pendiente Exposicin
Textura Estructura E
Algunos ejemplos
SUBSISTEMA VEGETACIN Espacio Cobertura Densidad Estado Grado de Intercepcin SUBSISTEMA SUELO Infiltracin * Porosidad Densidad Permeabilidad
Interaccin
Textura Estructura
SUBSISTEMA RELIEVE Pendiente Exposicin Fisiografa g Litologa
Q (Salida)
(Entrada)
Parte de un Sistema
Algunos ejemplos
Ti Tipos d de modelos: d l
Algunos autores:
- Descriptivos - Grficos - Experimentales (o modelos de juicio) - Analgicos - A escala (o modelos fsicos) - Matemticos
Algunos ejemplos
Componentes de los modelos matemticos (M.M)
Parmetros: Valores numricos que describen propiedades fijas y supuestamente conocidas del Sistema. Se suele llamar datos. Los datos pueden ser controlables y no controlables Incontrolables:Designados a caractersticas inherentes del sistema fsico que difcilmente pueden ser cambiadas Controlables: Son aquellos que el usuario puede, y a veces debe, cambiar para obtener y evaluar diferentes alternativas. alternativas Variables: Valores numricos que reflejan el comportamiento del sistema y sus p prestaciones
Restricciones:Expresiones matemticas que describen las relaciones entre las variables y entre stas y los parmetros
Algunos ejemplos
Cualidades de los MM que los hace tiles en el Anlisis de Sistemas
A) Amplificadores de experiencia debido: - facilidad de transmisin (matemticas) - velocidad de utilizacin (microcomputadoras) B) Organizacin de datos, resultados y alternativas debido a: - la forma de trabajar las microcomputadoras C) Evaluadores de alternativas, que es la base para la toma de decisiones.
Algunos ejemplos
Tipos de modelos matemticos (MM)
Lluvia Escorrenta Lluvia-Escorrenta Crecidas Sntesis hidrolgica Flujo ujo subte subterrneo eo Gestin de embalses Escorrenta urbana g Estuarios y lagos etc Determinsticos Estocsticos Empricos Conceptuales
2. De acuerdo con el g grado de aleatoriedad de las variables 3 De acuerdo con el origen de las relaciones 3.
Algunos ejemplos
Tipos de modelos matemticos (MM)
4 De acuerdo con el principio 4. de superposicin o la linealidad de las relaciones Lineal Li l No lineal
5. De acuerdo con la distribucin espacial de Distribuidos las caractersticas fsicas y de colocacin de Agregados actuaciones en el sistema 6. De acuerdo d con la l dependencia d d i de las relaciones entradassalidas con el tiempo 7. De acuerdo con el problema que se pretende resolver o al uso que se le d al modelo Estacionario No estacionario o transitorio de prediccin (o simulacin) de optimizacin de identificacin
Introduccin
Tipos de modelos matemticos (MM)
de ecuaciones dif. ordinarias 8. De acuerdo con las ecuaciones de ecuaciones dif. en derivadas parciales matemticas utilizadas de estadstica 9. De acuerdo con los mtodos de diferencias finitas d elementos l t finitos fi it numricos utilizados para resolver de de autovalores las ecuaciones anteriores Etc. 10. De acuerdo con el grado de de gestin u operacin terminacin e invariabilidad de la configuracin fsica del de inversin o de planificacin sistema.
Ejemplos j p de Problemas
Introduccin
Ejemplos j p de Problemas
Introduccin
TRIGO
Ejemplos de Problemas
Diseo de conductora
Introduccin
Ejemplos j p de Problemas
Diseo del drenaje
Algunos ejemplos
Dmn Di Dmx;
i = 1, 2, 3
Dmn = 30 mm ; Dmx=120 mm D1*= ? D2*=? D3*= ? CT = ?; CT *= Ctub + Cexe Pendientes en los tramos = ?
Ejemplos j p de Problemas
Distribucin de cultivos en un rea
Suelo S l regular l (Ar ) Suelo Bueno (Ab ) Suelo malo (Am)
Algunos ejemplos
C1b + C2b Ab C1r + C2r Ar C1m + C2m Am Bt*= ? Cij* = ? q1b+ q2b + q1r + q2b + q1m + q2m Qmx
Ejemplos j p de Problemas
Algunos ejemplos
Algunos ejemplos
Simulacin y Optimizacin
La simulacin es una tcnica para resolver problemas que sigue el siguiente esquema general:
1. Desarrollo de un modelo (de simulacin). 2. Operacin del modelo utilizando determinados valores de los datos controlables 3. Observacin e interpretacin de los resultados.
La optimizacin i i i es una tcnica para resolver l problemas bl y utiliza los siguientes pasos generales:
1. Desarrollo de un modelo (de optimizacin) p del modelo 2. Operacin Usamos simulacin u optimizacin ?
Algunos ejemplos
Optimizacin
Ventajas Aceptando que el modelo representa satisfactoriamente el sistema se obtienen los valores ptimos de las variables de control y de la funcin objetivo propuesta.
Desventajas j - El proceso matemtico es muy laborioso. - En algunos casos su formulacin requiere de simplificaciones importantes. - El nivel i l de d detalle d t ll es menor significativamente i ifi ti t que el l que puede lograrse con un modelo de simulacin.
Simulacin
Ventajas Mayor nivel de detalle. detalle
Desventajas Al ser una tcnica de prueba y error no garantiza la obtencin de una solucin ptima.
Introduccin
Simulacin y Optimizacin
Qu se recomienda en la prctica ? Utilizar de manera combinada ambos modelos aprovechando las ventajas de cada una de las tcnicas. Los modelos de optimizacin (con las simplificaciones que se requieran) se aplican y con ello se filtran alternativas que despus se evalan con ms detalle con modelos de simulacin.
Introduccin
Etapas de la modelacin
1. Identificacin del sistema a modelar. 2 Eleccin del tipo de modelo. 2. modelo 3. Estimacin de los parmetros. 4 Validacin 4. V lid i del d l modelo. d l 5. Utilizacin del modelo para el fin propuesto. 6. Anlisis de la sensibilidad.
Introduccin
Conclusiones
Las tcnicas de la Investigacin De operaciones (Ingeniera ( g de sistemas), ), deben ser conocidas y aplicadas por el ingeniero moderno. Debemos aadir el enfoque ambiental y el desarrollo sostenible en nuestros proyectos de ingeniera en lo que juega un papel determinante las ingeniera, tcnicas de optimizacin.